CS-NLR 学习笔记（一）

最新推荐文章于 2021-03-12 17:25:20 发布
最新推荐文章于 2021-03-12 17:25:20 发布
阅读量1.5k 收藏 7
点赞数 3
分类专栏： 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/PanPan_1995/article/details/86292361
版权
本文介绍了通过非局部低秩正则化（CS-NLR）进行压缩感知的方法。首先，对图像进行块匹配以发现相似块，然后对这些相似块集合应用低秩矩阵优化。低秩矩阵优化通过核范数作为秩的凸代理，使用Singular Value Thresholding (SVT)来解决。最后，利用优化后的低秩矩阵进行图像恢复。该方法利用了图像的非局部自我相似性，适用于图像处理和恢复任务。
摘要由CSDN通过智能技术生成

CS-NLR 学习笔记（一）

Compressive Sensing via Nonlocal Low-Rank Regularization 通过非局部低秩正则化进行压缩感知

Dong W, Shi G, Li X, et al. Compressive sensing via nonlocal low-rank regularization[J]. IEEE Transactions on Image Processing, 2014, 23(8): 3618-3632.

思路

对图像进行块匹配，对得到的相似块集合Xi = [ xi0,xi1,…,xim] 进行低秩，对低秩后的矩阵进行图像恢复Image Recovery

块匹配

利用非局部自我相似性，类似方法有nonlocal mean，BM3D， SSC（simultaneous sparse coding）

对每个样本块/当前块xi，在它的K邻域的搜索框中寻找相似块xij，满足

其中T是提前设置的阈值，Gi是相似块位置的集合
得到的集合记为Xi = [xi0, xi1, …, xim-1]

对相似块的集合Xi进行操作

Xi 可能有噪声࿰

最低0.47元/天 解锁文章
潘潘今天也要努力鸭
关注
专栏目录
NLR-CS 学习笔记
AZSNCRM的博客
07-04 1330
基于非局部低秩正则化的压缩感知——学习笔记 RIP压缩感知测量矩阵之有限等距性质 https://blog.csdn.net/jbb0523/article/details/44565647 奇异值分解 https://www.cnblogs.com/endlesscoding/p/10033527.html 奇异值分解与实对称矩阵的特征值分解有很深的联系。 EVD——对于实对称矩阵An∗nA_{n*n}An∗n​，可将其分解为A=QΛQTA=Q\Lambda Q^{T}A=QΛQT，其中Λ\La
CS-NLR 学习笔记（二）
PanPan_1995的博客
01-11 995
CS-NLR 算法 主要是进行非局部块匹配，然后对块的集合进行 低秩矩阵的最优化 和 图像恢复 操作 Low-Rank Matrix Optimization via SVT 按照上文内容对整幅图像进行块匹配，然后得到低秩矩阵Li 对每个Li，即是最小化问题 其中L(Li, ε)是Li奇异值得对数和的近似，ε是一个小的常量， 上式也可以写成 其中Xi = Rix （Rix = [Ri0x, R...
CS-NLR 学习笔记（三）——块匹配
PanPan_1995的博客
01-13 2928
图像自身有很多相似性的结构：例如大块单色、规整的边缘等 块匹配利用了这种相似结构进行平均或滤波，可以较好的还原图片 利用块匹配较为出名的算法有：NonLocal Means、BM3D等 CS_NLR算法中作者给出的块匹配函数如下： function pos_arr = Block_matching(im, par) % im读入图片， par是一个参数结构体，里面含有提前设置好的参数 S ...
nlr_ls_搜索算法_
09-29
这是我认为的JADE平衡好在提高了收敛性能的同时保持了人口多样性的关键。当然，聪明的读者发现了可以在两个差分向量之间施以不同的权重来改进算法，这也是我第一次想创新时想出的最简单的改进了。
NLR：利用非线性回归，梯度下降法求出学习参数θ，进而求得Cost函数最优值——Jason niu...
aoduo9781的博客
01-07 226
import numpy as np import random def genData(numPoints,bias,variance): x = np.zeros(shape=(numPoints,2)) y = np.zeros(shape=(numPoints)) for i in ra...
LaserFire1.rar_NLR-CS_compressed sensing
07-15
NLR-CS,a compressed sensing method in 2014
Compressive Sensing via Nonlocal Low-Rank Regularization论文总结
王小萌的小世界
06-05 1568
Abstract：  In this paper, we propose a nonlocal low-rank regularization (NLR) approach toward exploiting structured sparsity and explore its application into CS of both photographic and MRI images.   ...
Compressive Sensing via Nonlocal Low-Rank Regularization
04-23
非局部低秩进行压缩感知重建 总体想法： 1.对图像进行块匹配， 2.对得到的相似块集合Xi = [ xi0,xi1,…,xim] 进行低秩 3.对低秩后的矩阵进行图像恢复（Image Recovery）
Tensor non-local low-rank regularization for recovering compressed hyperspectral images
weixin_42245856的博客
03-12 351
一：Tensor non-local low-rank regularization for recovering compressed hyperspectral images 作者：Yongqiang Zhao*, Jize Xue and Jinglei Hao（2017，IEEE） 研究现状：现有的HSI-CR（压缩恢复）方法大多是在空间和光谱域对高光谱立方体进行矢量化处理，在恢复过程中会破坏空间和光谱相关性，造成空间和光谱信息失真。同时，矢量化也使得HSI固有的结构稀疏性得不到充分利用。 本文：本
非局部去噪算法，matlab实现
04-10
用matlab实现的非局部去噪，算法执行速度虽然有些慢，但是效果相比较于双边滤波而言是非常好的。
低秩表示模型
04-10
图像处理中的低秩表示模型，实现对图像的低秩和稀疏重构。
非局部低秩去噪
01-27
图像去噪、噪声估计、非局部低秩约束；利用混合拉普拉斯分布对噪声进行建模，并利用非局部低秩约束对原图像进行建模，从而提高图像质量。
【CS231n】十、RNN框架学习笔记
Mys_GoldenRetriever的博客
09-18 468
1、基本介绍 （1）想法：之前的网络都是前馈（数据流向一个方向）的类型，现在想要让网络的有更多的自由度。 而网络的搭建，可以有各种各样复杂的方式： 比如输出为可变多维向量，输入为多维可变向量（例文本text、video），多入多出（Machine Translation），多维输入对应多维输出（video classification on frame level） ...
Image Denoising via Low Rank Regularization Exploiting Intra and Inter Patch Correlation论文总结
王小萌的小世界
06-19 526
摘要1、 In this paper, we propose to jointly exploit both intra- and inter-patch correlation of the input image, so as tofurther reduce the uncertainty of the unknown signal, and thus improve the predict...
从稀疏表示到低秩表示（一）
热门推荐
彼岸花
11-30 3万+
确定研究方向后一直在狂补理论，最近看了一些文章，有了些想法，顺便也总结了representation系列的文章，由于我刚接触，可能会有些不足，愿大家共同指正。 从稀疏表示到低秩表示系列文章包括如下内容： 一、 sparse representation 二、 一、 sparse representation 1  sparsity  一个线性表示解决的问题如下图所示：
HSI去噪论文分享之四
sinat_41421587的博客
10-26 1122
题目： Hyperspectral Image Denoising via Subspace-Based Nonlocal Low-Rank and Sparse Factorization 作者： Chunhong Cao,Jie yu,Chengyao Zhou,Kai Hu,Fen Xiao,Xieping Gao 关键字： Denoising,hyperspectral image(HSI...
NLR基因截断实验设计
最新发布
02-14
NLR基因截断实验的设计包括以下几个步骤: 1. 选择要截断的NLR基因: 根据研究目的，确定需要截断的NLR基因。 2. 建立截断基因的模板: 使用PCR或其他方法获取要截断的NLR基因的序列，并使用合成DNA技术制备截断基因的模板。 3. 进行基因截断: 使用CRISPR/Cas9或其他基因编辑技术对目标基因进行截断。 4. 验证基因截断效果: 通过PCR、测序或其他方法验证截断的NLR基因是否符合预期。 5. 评估截断对植物生长、发育和抗病性的影响: 通过对截断植物与对照植物进行比较，评估截断对植物生长、发育和抗病性的影响。 6. 分析数据: 对所得数据进行统计学分析，以证明截断的NLR基因对植物生长、发育和抗病性产生了显著影响。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值